Buchumschlag

The Robustness of Spiking Neural Networks in Federated Learning with Compression Against Non-omniscient Byzantine Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Manh V., Zhao, Liang, Deng, Bobin, Wu, Shaoen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Byzantine Attacks Exploiting Penalties in Ethereum PoS
von: Pavloff, Ulysse, et al.
Veröffentlicht: (2024)

FedGuard: A Diverse-Byzantine-Robust Mechanism for Federated Learning with Major Malicious Clients
von: Jiang, Haocheng, et al.
Veröffentlicht: (2025)

Byzantine-Robust Federated Learning Using Generative Adversarial Networks
von: Zafar, Usama, et al.
Veröffentlicht: (2025)

Byzantine-Robust Decentralized Federated Learning
von: Fang, Minghong, et al.
Veröffentlicht: (2024)

Lancelot: Towards Efficient and Privacy-Preserving Byzantine-Robust Federated Learning within Fully Homomorphic Encryption
von: Jiang, Siyang, et al.
Veröffentlicht: (2024)

DP2Guard: A Lightweight and Byzantine-Robust Privacy-Preserving Federated Learning Scheme for Industrial IoT
von: Han, Baofu, et al.
Veröffentlicht: (2025)

PCDM: A Diffusion-Based Data Poisoning Attack Against Federated Learning Systems
von: Sun, Wei, et al.
Veröffentlicht: (2026)

No Vandalism: Privacy-Preserving and Byzantine-Robust Federated Learning
von: Xing, Zhibo, et al.
Veröffentlicht: (2024)

Chop Chop: Byzantine Atomic Broadcast to the Network Limit
von: Camaioni, Martina, et al.
Veröffentlicht: (2023)

PPFPL: Cross-silo Privacy-preserving Federated Prototype Learning Against Data Poisoning Attacks
von: Zhang, Hongliang, et al.
Veröffentlicht: (2025)

LIFT: Byzantine Resilient Hub-Sampling
von: Legheraba, Mohamed Amine, et al.
Veröffentlicht: (2026)

Juggernaut: Efficient Crypto-Agnostic Byzantine Agreement
von: Collins, Daniel, et al.
Veröffentlicht: (2024)

Towards Stronger Blockchains: Security Against Front-Running Attacks
von: Misra, Anshuman, et al.
Veröffentlicht: (2023)

A Whole-Process Certifiably Robust Aggregation Method Against Backdoor Attacks in Federated Learning
von: Zhou, Anqi, et al.
Veröffentlicht: (2024)

When Quantum Federated Learning Meets Blockchain in 6G Networks
von: Nguyen, Dinh C., et al.
Veröffentlicht: (2025)

APoW: Auditable Proof-of-Work Against Block Withholding Attacks
von: Lerner, Sergio Demian
Veröffentlicht: (2026)

Aggressive or Imperceptible, or Both: Network Pruning Assisted Hybrid Byzantines in Federated Learning
von: Ozfatura, Emre, et al.
Veröffentlicht: (2024)

Defending Against Data Reconstruction Attacks in Federated Learning: An Information Theory Approach
von: Tan, Qi, et al.
Veröffentlicht: (2024)

FedCert: Federated Accuracy Certification
von: Nguyen, Minh Hieu, et al.
Veröffentlicht: (2024)

Adelie: Detection and prevention of Byzantine behaviour in DAG-based consensus protocols
von: Chursin, Andrey
Veröffentlicht: (2024)

Self-Stabilizing Replicated State Machine Coping with Byzantine and Recurring Transient Faults
von: Dolev, Shlomi, et al.
Veröffentlicht: (2025)

CFT-Forensics: High-Performance Byzantine Accountability for Crash Fault Tolerant Protocols
von: Tang, Weizhao, et al.
Veröffentlicht: (2023)

DarkFed: A Data-Free Backdoor Attack in Federated Learning
von: Li, Minghui, et al.
Veröffentlicht: (2024)

GANcrop: A Contrastive Defense Against Backdoor Attacks in Federated Learning
von: Gan, Xiaoyun, et al.
Veröffentlicht: (2024)

Collaborative Learning Framework to Detect Attacks in Transactions and Smart Contracts
von: Khoa, Tran Viet, et al.
Veröffentlicht: (2023)

Mass Exit Attacks on the Lightning Network
von: Sguanci, Cosimo, et al.
Veröffentlicht: (2022)

A Committee Based Optimal Asynchronous Byzantine Agreement Protocol W.P. 1
von: Sony, Nasit S, et al.
Veröffentlicht: (2024)

On the Hardness of Decentralized Multi-Agent Policy Evaluation under Byzantine Attacks
von: Hairi, et al.
Veröffentlicht: (2024)

Practical Framework for Privacy-Preserving and Byzantine-robust Federated Learning
von: Zhang, Baolei, et al.
Veröffentlicht: (2025)

Identifying the Truth of Global Model: A Generic Solution to Defend Against Byzantine and Backdoor Attacks in Federated Learning (full version)
von: Ebron, Sheldon C., et al.
Veröffentlicht: (2023)

EBS-CFL: Efficient and Byzantine-robust Secure Clustered Federated Learning
von: Li, Zhiqiang, et al.
Veröffentlicht: (2025)

Brave: Byzantine-Resilient and Privacy-Preserving Peer-to-Peer Federated Learning
von: Xu, Zhangchen, et al.
Veröffentlicht: (2024)

On the Tradeoff between Privacy Preservation and Byzantine-Robustness in Decentralized Learning
von: Ye, Haoxiang, et al.
Veröffentlicht: (2023)

Leveraging MTD to Mitigate Poisoning Attacks in Decentralized FL with Non-IID Data
von: Feng, Chao, et al.
Veröffentlicht: (2024)

A Sharded Blockchain-Based Secure Federated Learning Framework for LEO Satellite Networks
von: Wu, Wenbo, et al.
Veröffentlicht: (2024)

Byzantine-Resilient Zero-Order Optimization for Communication-Efficient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

LiFeChain: Lightweight Blockchain for Secure and Efficient Federated Lifelong Learning in IoT
von: Chen, Handi, et al.
Veröffentlicht: (2025)

Enforcing Attestable Workflows across Untrusted Networks
von: Dang, Hung, et al.
Veröffentlicht: (2026)

Achieving Byzantine-Resilient Federated Learning via Layer-Adaptive Sparsified Model Aggregation
von: Xu, Jiahao, et al.
Veröffentlicht: (2024)

Rethinking Byzantine Robustness in Federated Recommendation from Sparse Aggregation Perspective
von: Zhang, Zhongjian, et al.
Veröffentlicht: (2025)